Panduan Mula Pantas

Prasyarat dan Pemasangan SDK

Pasang SDK rasmi untuk bahasa pilihan anda sebelum membuat sebarang permintaan. Ini memastikan keserasian dengan URL asas dan header pengesahan.

• Python: pip install openai
• Node.js: npm install openai

Pustaka ini mengendalikan komunikasi HTTP dan penafsiran JSON untuk anda.

Pengesahan dan Penetapan URL Asas

Konfigurasikan klien anda dengan URL asas khusus dan kunci API unik anda. Ini mengarahkan trafik ke enjin inferensi tanpa sensor kami menggantikan penyedia piawai.

Tetapkan pembolehubah persekitaran OPENAI_API_KEY atau luluskan terus dalam inisialisasi klien anda.

URL asas mesti menunjuk ke https://api.llmuncensoredapi.com/v1 untuk memastikan perutean yang betul.

Permintaan Penyiapan Teks Asas

Hantar permintaan POST mudah untuk menjana teks. Kaedah ini berfungsi untuk sebarang kes penggunaan penyelesaian sembang piawai.

Model ini merespons dengan teks mentah, mengelakkan penolakan biasa yang terdapat dalam model lain.

Gunakan ID model uncensored untuk semua permintaan.

Berikut adalah contoh asas:

Copycurl https://api.llmuncensoredapi.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Run health check on the api endpoint"}]
  }'

Respons Streaming dengan SSE

Gunakan aliran untuk penjanaan token masa nyata. Ini sesuai untuk antara muka sembang atau penjanaan kandungan bentuk panjang.

Tetapkan stream: true dalam badan permintaan anda.

API memulangkan Peristiwa Dihantar Pelayan (SSE) apabila token menjadi tersedia.

Pendekatan ini mengurangkan latensi yang dirasakan oleh pengguna.

Contoh kod aliran:

Copystream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Tell the story in second person."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

Panggilan Fungsi dan Penggunaan Alat

Aktifkan panggilan fungsi dengan menentukan alat dalam permintaan anda. Ini membolehkan model mengeluarkan JSON terstruktur untuk pelaksanaan luaran.

Gunakan tool_choice untuk mengawal bila model memanggil fungsi.

Ciri ini penting untuk aliran kerja automasi.

Python example:

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.llmuncensoredapi.com/v1", api_key="YOUR_KEY")

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)

Mod JSON untuk Output Terstruktur

Paksa model untuk mengeluarkan JSON sah menggunakan response_format parameter.

Tetapkan response_format ke {"type": "json_object"}.

Ini memastikan penguraian yang konsisten untuk aplikasi hujung.

Contoh Node.js:

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.llmuncensoredapi.com/v1", apiKey: process.env.API_KEY });

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);

Memahami Token dan Had

Tingkap konteks menyokong sehingga 100,000 token secara keseluruhan. Setiap permintaan boleh menjana sehingga 16,000 token.

Rate limits are 300 requests per minute per key.

Kesilapan termasuk 401 untuk kunci tidak sah, 402 untuk kredit tidak mencukupi, dan 429 untuk had kadar.

Kesilapan tidak menggunakan kredit pra-dibayar anda.